Google a présenté Gemini Omni, un modèle qui permet de transformer une vidéo en une autre grâce au langage naturel dans un format de dialogue. Contrairement au Veo précédent, ce système édite les images originales en maintenant la cohérence de la scène et les actions des personnages. Actuellement, il génère des clips allant jusqu'à 10 secondes avec du son, bien que l'entreprise prévoie déjà d'étendre cette limite.
Physique et contexte historique dans chaque image 🧠
Le modèle s'appuie sur l'écosystème Gemini pour générer des scènes en tenant compte des contextes historiques et scientifiques. Il reproduit des phénomènes comme la gravité ou la dynamique des fluides avec précision, ce qui permet, par exemple, de changer l'arrière-plan d'un combat médiéval en une tempête spatiale sans que les personnages flottent comme des ballons. Il inclut également la création d'avatars numériques personnalisés, en utilisant la vaste connaissance du système pour maintenir la logique visuelle.
Le rêve de tout youtubeur : éditer sans ouvrir After Effects 🎬
Désormais, n'importe quel mortel pourra dire remplace ce chat par un dinosaure qui danse et la vidéo obéira. Le problème, c'est que si vous demandez un clip de 11 secondes, Gemini vous regardera avec un mépris numérique et vous rappellera qu'il est encore en version bêta. Mais bon, en attendant, vous pouvez créer un avatar qui fait des choses que vous ne feriez jamais, comme ranger la maison. La paresse humaine a enfin trouvé son outil.